什么是直方图均衡化
在处理老照片或光线不佳的图片时，经常会遇到画面发灰、细节看不清的问题。比如你翻出一张多年前手机拍的夜景，整个图黑乎乎的，天空和建筑都混在一起。这时候，直方图均衡化就能派上用场。
简单说，直方图均衡化是一种增强图像对比度的技术。它通过重新分配像素的亮度值，把原本集中在某一段灰度范围的像素拉展开，让暗的更暗、亮的更亮，整体看起来更清晰。
直方图是怎么回事
你可以把图像的直方图想象成一个统计图，横轴是0到255的灰度等级，纵轴是每个灰度值出现的次数。如果一张图太暗，直方图就会集中在左边；太亮就集中在右边。理想的分布应该是比较均匀地铺开。
直方图均衡化的目标就是把这个“挤在一起”的分布拉平，让图像充分利用从黑到白的全部层次。
代码实现很简单
用 OpenCV 几行代码就能完成。假设你有一张灰度图，想快速提升对比度：
import cv2
import numpy as np
# 读取灰度图像
img = cv2.imread('photo.jpg', 0)
# 应用直方图均衡化
equ = cv2.equalizeHist(img)
# 保存结果
cv2.imwrite('enhanced.jpg', equ)处理后的图像会明显更通透，原本藏在阴影里的细节也能看清了。
彩色图像也能处理
对彩色图不能直接对三个通道分别做均衡化，那样容易变色。通常的做法是转到 HSV 或 YUV 色彩空间，只对亮度通道（V 或 Y）做处理，再转回 RGB：
img_color = cv2.imread('nature.jpg')
img_hsv = cv2.cvtColor(img_color, cv2.COLOR_BGR2HSV)
# 对V通道做均衡化
img_hsv[:,:,2] = cv2.equalizeHist(img_hsv[:,:,2])
# 转回BGR显示
img_eq = cv2.cvtColor(img_hsv, cv2.COLOR_HSV2BGR)
cv2.imwrite('color_enhanced.jpg', img_eq)这样既提升了对比度，又不会让蓝天变成紫色，草地发黄。
实际应用场景
医院里的X光片经常用这技术，帮助医生看清组织边界；监控摄像头在夜间拍摄的画面也能通过它变得更可用。甚至一些手机相册的“自动增强”功能，底层就是类似的原理。
如果你经常拍逆光人像，或者处理扫描文档时发现字迹模糊，试试直方图均衡化，说不定能救回几张原本打算删掉的照片。